|
|
|
|
طراحی نمودار کنترل t2 هتلینگ با استفاده از خوشه‌بندی
|
|
|
|
|
|
|
|
نویسنده
|
پویا علیرضا ,یگانه علی ,فدائی سمیه
|
|
منبع
|
مهندسي صنايع و مديريت شريف - 1400 - دوره : 37-1 - شماره : 1 - صفحه:71 -82
|
|
چکیده
|
هدف اصلی تحقیقات در زمینه‌ی کنترل فرایند آماری چندمتغیره، در نظر گرفتن همبستگی بین چندین مشخصه‌ی کیفی برای یک مرحله از فرایند است. در فاز دوم رویه‌ی کنترل فرایند چندمتغیره با استفاده ازحدود کنترلی به دست آمده از فاز اول و مشاهدات آتی، تحت کنترل بودن فرایند بررسی می‌شود. یافتن نقاط پرت فاز اول قبل از محاسبه‌ی حدود کنترلی برای حصول نتیجه‌ی مناسب اهمیت بسیار دارد. لذا در این تحقیق نمودار کنترل پیشنهادی با استفاده از روش خوشه‌بندی سلسله‌مراتبی، مشاهدات پرت را شناسایی می‌کند. اهمیت این روش در تعیین داده‌های پرت با استفاده از ضریب ناهمسانی و مجموعه‌یی از حدود کنترل متغیر است.در این روش ضریب ناهمسانی و مجموعه‌یی از حدود کنترل با استفاده از پارامترهای اندازه نمونه و تعدادمتغیرها (شاخص‌های کیفی)تعیین می‌شود، در واقع فاصله بین مشاهدات به‌صورت خوشه‌بندی مدل می‌شود و داده‌های پرت با الگوریتم بازگشتی حذف می‌شوند و سپس میانگین و ماتریس واریانس و کوواریانس t2 بر اساس داده‌های باقیمانده تعیین می‌شود. در مرحله‌ی آخر با توجه به حد کنترل به دست آمده، آماره‌ی t2تعیین می‌شود. برای ارزیابی عملکرد نمودار کنترل پیشنهادی و مقایسه‌ی آن با نمودار t2هتلینگ معمولی در شناسایی نقاط پرت از شاخص عدم مرکزیت و روش الفارو و همکاران بر اساس تشخیص مجموعه‌ی داده‌های پرت استفاده شده است. همچنین برای بررسی و مقایسه‌ی بیشتر، دو نمودار از مجموعه داده‌های هاوکینز و فسفر نیز بررسی شده است. اهمیت و کارآیی روش پیشنهادی در شرایط وجود تعداد داده‌ی پرت زیاد در مجموعه‌ی داده‌ها، به طور محسوس مشاهده شد.
|
|
کلیدواژه
|
نمودار کنترل چندمتغیره، نمودار کنترل t2 هتلینگ، تحلیل خوشه‌یی سلسله‌مراتبی
|
|
آدرس
|
دانشگاه فردوسی مشهد, دانشکده‌ی علوم اداری و اقتصادی, گروه مدیریت, ایران, دانشگاه فردوسی مشهد, دانشکده‌ی مهندسی, گروه مهندسی صنایع, ایران, دانشگاه فردوسی مشهد, دانشکده‌ی علوم اداری و اقتصادی, گروه مدیریت, ایران
|
|
پست الکترونیکی
|
somayehfadaei@mail.um.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
DESIGNING A HOTELLING T2 CONTROL CHART USING CLUSTERING
|
|
|
|
|
Authors
|
Fadaei S.
|
|
Abstract
|
The main purpose of the researches in the field of multivariate statistical process control is to consider the correlation between several qualitative characteristics for a specific stage of the process. In Phase II, the multivariate process control procedure is investigated using the control limits obtained from Phase I and online observations of the process are controlled. Finding the outliers of the first phase before calculating the control limits to achieve a suitable result is of great importance. Therefore, in this research, the proposed control diagram identifies outliers using hierarchical clustering method. The importance of this method is in determining the outliers using heterogeneity coefficient and a set of variable control limits. In this method, the heterogeneity coefficient and a set of control limits are determined using the parameters of sample size and number of variables (qualitative indicators). In fact, the distance between observations is modeled in clusters while the outliers are deleted by the recursive algorithm. Then, the mean and matrix of variance and covariance T2 are determined based on the remaining data. In the last step, according to the obtained control limit, T2 statistic is determined. To evaluate the performance of the proposed control chart and compare it with the classic T2 hoteling chart in identifying outliers, the noncentrally index and the method of Alfaro et al. have been used based on the detection of outliers data. Two diagrams from the Hawkins and Phosphorus datasets have also been examined for further comparison. The importance and efficiency of the proposed method were observed despite a large number of outliers in the data set.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|